gestión riesgo

Revista Cubana de Ciencias Informticas

Vol. 7, No. 4, octubre-diciembre, 2013

ISSN: 2227-1899 | RNPS: 2301

Pg. 58-74

http://rcci.uci.cu

Grupo Editorial Ediciones Futuro Universidad de las Ciencias Informticas. La Habana, Cuba

[email protected] 58

Tipo de artculo: Artculo original

Temtica: Ingeniera y Gestin de software

Recibido: 9/07/2013 | Aceptado: 29/10/2013 | Publicado: 10/12/2013

Modelos causales para la Gestin de Riesgos

Causal Models for Risk Management

Neysis Hernndez Daz 1*, Maikel Yelandy Leyva 2, Betsy Cuza Garca1

1 Departamento de Ciencias Bsicas. Facultad 6. Universidad de las Ciencias Informticas, Carretera a San Antonio

de los Baos, km 2 , Torrens, Boyeros, La Habana Cuba. CP.: 19370

2 Departamento Soluciones SOA. Centro de Consultora y Desarrollo de Arquitecturas Empresariales. Universidad de

las Ciencias Informticas, Carretera a San Antonio de los Baos, km 2 , Torrens, Boyeros, La Habana Cuba. CP.:

19370

{nhernandez; mleyvaz, bcuza}@uci.cu

Resumen

En el presente trabajo se desarrolla un estudio acerca del proceso de gestin de los riesgos en las principales escuelas

del mundo. Se analizan las herramientas de gestin de proyectos a nivel mundial para evidenciar la necesidad de

redefinir los procesos de gestin de riesgos de las mismas. A partir de la informacin obtenida se propone el uso de

los modelos causales para realizar el anlisis de los riesgos basado en la informacin obtenida del proyecto o empresa,

dgase riesgos y la influencia de los mismos sobre los costos, tiempo de desarrollo y alcance del proyecto, para as

detectar las afectaciones de un sin nmeros de tareas que tributan a su desarrollo. Se realiz un estudio acerca del uso

de los modelos causales como tcnicas de representacin del conocimiento causal, entre los que se encuentran los

Mapas Cognitivos Difusos y las Redes Bayesianas, siendo los Mapas Cognitivos Difusos la tcnica ms favorable a

utilizar ya que permite modelar la informacin de los riesgos sin necesidad de tener una base de conocimiento bien

detallada.

Palabras clave: Anlisis cuantitativo, mapas cognitivos difusos, proyectos, riesgos, gestin de riesgos.



ISSN: 2227-1899 | RNPS: 2301

Pg. 58-74

http://rcci.uci.cu



Astract

In this work a study about the process of risk management in major schools in the world. The project management

tools worldwide highlights the need to redefine risk management processes. From the information obtained it is

proposed the use of causal models for risk analysis based on information from the project or company, say risks and

the influence thereof on the costs, human capital and project requirements and detect the damages of a number of

tasks without tribute to the development of the project. A study on the use of causal models as knowledge

representation techniques causal, among which are the Fuzzy Cognitive Maps (DCM) and Bayesian networks, with

the most favorable MCD technique to use because it allows modeling the risk information without having a

knowledge base either itemize.

Keywords: Fuzzy cognitive maps, projects, quantitative analysis, risk, risk management.

Introduccin

El riesgo es considerado en la mayora de los casos como un evento negativo con probabilidad de impacto en el

desarrollo del proyecto. Para algunos autores, su ocurrencia genera prdidas si se hace realidad, debido a que pueden

surgir retrasos en la planificacin temporal del proyecto y aumento de los costos (Prez, 2011).

En ocasiones los riesgos se pueden considerar como una experiencia pues forman parte del aprendizaje y la madurez

para gestionar los proyectos de software. De igual manera un riesgo puede ser provocado por mltiples causas, o slo

una, y de producirse, suele tener uno o ms impactos. Los riesgos poseen incertidumbre ya que pueden o no ocurrir,

adems ocasionan perdida potencial, si el riesgo ocurre puede generar perdidas no deseadas para la empresa.

En el contexto de tecnologas de riesgo, el riesgo percibido representa la expectativa subjetiva de una prdida o el

sacrificio en la utilizacin de la tecnologa aventurada. El clculo del riesgo consiste en la evaluacin de la posibilidad

que ocurran consecuencias negativas as como la severidad percibida de estas consecuencias (Escala, 2010). Un

riesgo es un evento o condicin incierta que, si sucede, tiene un efecto en por lo menos uno de los objetivos del

proyecto. Los objetivos pueden incluir el alcance, el cronograma, el costo y la calidad. Un riesgo puede tener una o

ms causas y, si sucede, uno o ms impactos (Project Management Institute, 2010).

La identificacin del riesgo y el anlisis exclusivamente de los mismos es tarea principal de las empresas. La gestin

de riesgos es asociada con la planificacin estratgica. La identificacin de los riesgos debe realizarse al menos una

vez al ao por el anlisis de argumentos (entornos externos e internos) como la parte de una de las etapas en el ciclo



ISSN: 2227-1899 | RNPS: 2301

Pg. 58-74

http://rcci.uci.cu



de planificacin estratgico. Se deben aplicar estrategias para reducir o eliminar los riesgos que hayan sido

identificados, mientras estn manejados los riesgos ms significativos por un plan de contingencia, los daos seran

menos perjudiciales.

La Gestin de los Riesgos de los Proyectos incluye los procesos relacionados con llevar a cabo la planificacin de la

gestin, la identificacin, el anlisis, la planificacin de respuesta a los riesgos, as como su seguimiento y control en

un proyecto. Los objetivos de la gestin de los riesgos del proyecto son aumentar la probabilidad y el impacto de

eventos positivos, y disminuir la probabilidad y el impacto de eventos negativos para el proyecto (Project

Management Institute, 2010).

En el mundo con el desarrollo desmedido de las tecnologas las empresas comienzan a hablar de trminos mayores

cuando de gestin de riesgos se trata, pues no es ms que un mecanismo de proteccin y control de los proyectos

empresariales. Se toma en cuenta la necesidad de medir los efectos de ocurrencias de los riesgos as como los

indicadores claves para el xito. Para lograr la erradicacin de estos problemas, se hace necesario un anlisis

exhaustivo de los mismos para luego proceder a la creacin de ciertas medidas de seguridad, para que el uso de las

TIC genere confianza en los usuarios. Ante este fenmeno se incrementa en las empresas la creciente necesidad de

mitigar los mismos en aras de lograr la eficiencia y la calidad de los productos (Piedra et al., 2011).

La mayora de los fracasos de los proyectos de desarrollos de software se deben en su mayor parte a la no realizacin

de una eficiente gestin de los riesgos, tomando como base que si los problemas hubiesen sido detectados a tiempo se

hubieran reducido en gran medida los impactos. Lo que no quiere decir que aplicando solamente la gestin de los

riesgos se garantiza la eficiencia del proyecto, al contrario son muchas las disciplinas que se encuentran relacionadas

para lograr el mismo fin (Zulueta et al., 2009).

Materiales y mtodos

En el mundo con el desarrollo desmedido de las tecnologas las empresas comienzan a hablar de trminos mayores

cuando de gestin de riesgos se trata, pues no es ms que un mecanismo de proteccin y control de los proyectos

empresariales. Se toma en cuenta la necesidad de medir los efectos de ocurrencias de los riesgos as como los

indicadores claves para el xito.

Uno de los principales problemas que se afrontan en el desarrollo de software hoy da, es la falta de una gestin

eficiente de los riesgos. Pues no todas las herramientas de gestin de proyectos tratan los mismos como un rea



ISSN: 2227-1899 | RNPS: 2301

Pg. 58-74

http://rcci.uci.cu



fundamental. Tener una buena estimacin del impacto de los riesgos y de las probabilidades de ocurrencia, est

basado en la aplicacin de tcnicas para realizar una estimacin del anlisis cuantitativo y cualitativo de los riesgos,

que permita preverlos y erradicarlos una vez ocurridos.

A continuacin se realiza el estudio de algunas herramientas de gestin de proyectos. El estudio est enfocado en la

aplicacin o no, del anlisis cuantitativo y cualitativo de los mismos. Tambin se analizan los modelos causales como

representacin del conocimiento para la representacin de los riesgos.

Modelos de gestin de riesgos

Actualmente se utilizan una serie de modelos para realizar un proceso lgico y sistemtico que puede ser utilizado

cuando se toman decisiones para mejorar la efectividad y eficiencia de las empresas. Los modelos permiten identificar

y estar preparados para lo que puede suceder, se trata de tomar acciones destinadas a eludir y reducir la exposicin a

los costos u otros efectos de aquellos eventos que ocurran, en lugar de reaccionar despus de que un evento ya ha

ocurrido e incurrir en los costos que implican recuperar una situacin.

Boehm

Plantea 7 factores de riesgo crticos en los proyectos: Riesgos en los recursos (Insuficiencias de personal, plazos y

presupuestos irreales), Riesgos de los requerimientos (Desarrollo de funciones equivocadas, desarrollo de interfaz de

usuario equivocada, especificaciones excesivas, continuos cambios de requerimientos), Riesgos en la externalizacin

(Insuficiencias en suministros externos de componentes, insuficiencias en realizaciones externas de tareas), Otros

riesgos (Insuficiencias de rendimiento del sistema al funcionar en tiempo real, optimismo sobre las capacidades de las

tecnologas informticas) (Sepulveda, 2010).

Valoracin del modelo:

El modelo de Boehm tiene bien definidos sus 7 factores de riesgos crticos, sin embargo puede darse el caso de que la

identificacin de los mismos no se haga de la forma correcta, por lo que la aplicacin del modelo se ve de cierta

forma abstracta ya que necesita de un personal bien capacitado en el uso del mismo. El empleo de las tcnicas

requiere de la mayor cantidad de informacin del proyecto o sea que es necesario poseer una base de conocimientos

bien detallada, lo cual generalmente no se obtiene de los riesgos. No posee ninguna plantilla para la planificacin y

registro de los riesgos, adems no permite realizar una estimacin del anlisis de los riesgos tantos cualitativos como

cuantitativos.



ISSN: 2227-1899 | RNPS: 2301

Pg. 58-74

http://rcci.uci.cu



McFARLAN

Tras considerar las 5 consecuencias clsicas del riesgo (fracaso en beneficios, coste, plazo del proyecto, rendimiento y

compatibilidad con otros sistemas), define tres factores de riesgo:

1. Experiencia en la tecnologa aplicable (factor subjetivo interno): La familiarizacin del equipo con el hardware,

sistema operativo, gestores (DB, DC) y lenguajes comprendiendo tambin la absorcin de experiencia externa, como

puede ser la formacin.

2. Estructuracin del proyecto (factor subjetivo externo): Los objetivos iniciales del proyecto y sus resultados

dependen de la claridad de los requerimientos trasladados por la organizacin cliente al equipo de desarrollo.

3. Tamao del proyecto (factor objetivo, no reducible): Importa sobre todo la envergadura del proyecto (en coste

aos-hombre) relativo al tamao de los que el equipo desarrolla normalmente (Valladares, 2011).


Este modelo est basado en lo objetivo y lo subjetivo, lo cual evidencia que es de vital importancia tener bien

definidos los objetivos iniciales. A pesar de ser uno de los modelos de la tercera generacin, no tiene definido un

proceso para la gestin de riesgos, las relaciones cliente usuario las trata como un factor subjetivo ajeno al quipo de

desarrollo. No permite tener un proceso detallado para el anlisis de los riesgos, lo que lleva a que si no se es experto

en Riesgos la aplicacin del mismo sera compleja, adems no permite realizar estimaciones cualitativas y

cuantitativas de estos.

Magerit

El modelo MAGERIT (Metodologa de Anlisis y Gestin de Riesgos de los Sistemas de Informacin de las

Administraciones Pblicas), es un modelo formal para investigar los riesgos que soportan los sistemas de informacin

y para recomendar las medidas apropiadas que deberan adoptarse para controlar los riesgos. Permite un seguimiento

exhaustivo de la seguridad del sistema ajustndose a criterios como los de ITSEC (Information Technology Security

Evaluation Criteria) o Criterios Comunes de Evaluacin de la Seguridad de los Productos y Sistemas de Informacin,

que permitan la posterior homologacin y certificacin del sistema de informacin desde el punto de vista de la

seguridad.



ISSN: 2227-1899 | RNPS: 2301

Pg. 58-74

http://rcci.uci.cu




Este modelo posee Guas Tcnicas, las cuales proporcionan las claves para comprender y seleccionar las tcnicas ms

adecuadas para los procedimientos de anlisis y gestin de riesgos, de seguridad de los sistemas de informacin. Este

modelo garantiza un control eficiente de la informacin del proyecto ya que basa sus fortalezas en los riesgos

referentes a la seguridad, lo que lo hace que carezca de uso en la presente investigacin, ya que se necesita un uso

eficiente de la gestin de riesgos. No realiza un anlisis cuantitativo y cualitativo de estos.

MoGeRi

MoGeRi propone la utilizacin de varias herramientas durante el ciclo de GR, las ms importantes son el Plan de

Gestin de Riesgos y el Registro de Riesgos. El primero recoge los objetivos, alcance, dominio, restricciones y las

actividades planificadas con los recursos y limitaciones temporales correspondientes. La planificacin permite definir

los objetivos del proceso dentro del proyecto, su dominio y sus lmites, pues un permetro demasiado amplio o

ambiguo podra ser inabarcable, por muy general o de muy largo plazo, con perjuicio en las estimaciones de los

elementos del anlisis. El registro muestra la evolucin de los riesgos del proyecto desde su identificacin, pasando

por el anlisis de su impacto y probabilidad, hasta las estrategias para responder ante ellos y su efecto real en la

exposicin al riesgo (Zulueta, y otros, 2009).


A pesar de ser un modelo concebido en la Universidad de las Ciencias Informticas su uso requiere que la gestin de

los riesgos se implemente desde el inicio del proyecto, pero no permite realizar una estimacin cualitativa y

cuantitativa del impacto de los riesgos. No posee una platilla para la gestin de riesgos ni un plan de gestin que

permita darle seguimiento a los mismos.

Modelo Microsoft Solution Frameworks

MSF provee una estructura orientada a facilitar el anlisis, diseo e implantacin de soluciones tecnolgicas efectivas.

Este marco permite exponer, revelar y manejar riesgos crticos, determinar los criterios de planeacin y establecer las

interdependencias necesarias para una ejecucin exitosa de los proyectos. En su lugar, MSF provee mecanismos

flexibles para aplicar soluciones adecuadas a los problemas tecnolgicos y de negocios. MSF no es un marco esttico

y evoluciona respondiendo a los cambios en la tecnologa y en los requerimientos de los proyectos. En el proceso de



ISSN: 2227-1899 | RNPS: 2301

Pg. 58-74

http://rcci.uci.cu



administracin de los riesgos permite identificarlos, analizarlos, realizar un plan y controlarlos, donde el producto

final que se obtiene es el documento de estimacin de riesgos dinmicos (Garca, 2009).


Este modelo no permite la obtencin de plantillas para la confeccin del Plan de Gestin de Riesgos y del Registro de

Riesgos, documentos importantes para realizar una buena estimacin del impacto de los riesgos. Adems para su uso

se necesitan prerrequisitos como conocimientos generales de anlisis y diseo de sistemas de informacin,

competencias que no todos los miembros del equipo de desarrollo del proyecto poseen. Posee el principio de

"mantenerse gil, esperar el cambio'', lo que advierte que es necesario mantenerse y esperar el cambio para actuar

despus que este ocurra. No permite realizar una estimacin cualitativa ni cuantitativa de los riesgos.

Valoracin general de los modelos de Gestin de riesgos

Luego de haber realizado el anlisis de los modelos anteriores, se evidenci que el uso de los mismos va emparejado a

las particularidades especficas que posean los proyectos, ya que permiten revelar y manejar riesgos de alguna forma

u otra. Sin embargo no permiten estimar cmo afectan estos el tiempo de desarrollo de un proyecto, los costos, el

alcance y otras reas de desarrollo del proyecto. La mayora de estas herramientas poseen la desventaja de que no se

comercializan libremente y el enfoque est definido ms desde el punto de vista cualitativo que cuantitativo. Muchas

carecen de un Plan de gestin de riesgos, as como un Plan de contingencia para erradicarlos una vez ocurridos.

Adems no tienen en cuenta las dependencias que existen entre los diferentes factores de riesgos.

Modelos causales

A partir de los modelos causales se pueden establecer las causas de algunos eventos y predecir sus efectos. El

conocimiento causal puede ser empleado para facilitar el proceso de toma de decisiones.

El modelado causal resulta importante para entender el proceso de toma de decisiones; sin embargo, contina siendo

un rea relativamente poco estudiada. La causalidad se ve generalmente como una relacin precisa: la misma causa

provoca siempre el mismo efecto. Pero en el mundo cotidiano, los enlaces entre causa y efecto son frecuentemente

imprecisos o imperfectos por naturaleza. Para considerar la causalidad desde un punto de vista computacional, se

requiere la obtencin de modelos causales imprecisos. Por esto es necesario considerar la utilizacin de tcnicas



ISSN: 2227-1899 | RNPS: 2301

Pg. 58-74

http://rcci.uci.cu



de Soft Computing1, dentro de estas se tienen las Redes Bayesianas (RB) y los Mapas Cognitivos Difusos (MCD)

(Leyva, y otros, 2012).

Los modelos ms utilizados a nivel mundial para el anlisis de los riesgos, no son capaces de modelar las

dependencias entre los factores de riesgos, sin embargo los mtodos probabilsticos causales han tenido un buen auge

en los ltimos aos, pues han logrado representar las interdependencias entre los riegos combinndolos de alguna

forma con la opinin de expertos.

Los MCD y las RB proporcionan un anlisis cuantificable en relacin a los riesgos y permiten tomar una decisin

genuina de gestin de riesgos. El enfoque de los modelos causales ayuda a identificar, comprender y cuantificar las

complejas interrelaciones, las cuales incluso aparentemente son situaciones sencillas cuando en realidad pueden

convertirse en complejas. Pueden ayudar a dar sentido a cmo surgen los riesgos, cmo estn conectados, cmo se

podran representar para as poder lograr la mitigacin.

Mapas cognitivos Difusos

Los mapas cognitivos difusos (MCD) son estructuras de grafos difusos utilizados para representar razonamiento

causal. La estructura de grafo permite la propagacin sistemtica causal, particularmente el avance hacia atrs y hacia

adelante. Esta tcnica permite modelar sistemas de retroalimentacin con grados de causalidad comprendido entre el

intervalo [0,1]. Para ello es necesario tener un diagrama del sistema mostrando las suposiciones iniciales del modelo.

En el diagrama los nodos representan un conjunto difuso o evento que ocurre en algn grado. Los nodos son

conceptos causales y pueden modelar eventos, acciones, valores, metas o procesos (Mutula Information Noise

Benefits, 2006).

Los mapas cognitivos son herramientas bsicas para comprender las relaciones y percepciones humanas dentro de los

elementos y se aplican en muchas reas. Son compuestos de variables y relaciones dentro de variables. Cada variable

se enlaza entre s, ya sea con una relacin positiva que denota una proporcin directa o una relacin negativa que

denota una relacin de inversa proporcin. Mapeo cognitivo comienza con la definicin de las relaciones entre las

variables con las flechas extradas de una variable a la variable afectada (Mutula Information Noise Benefits, 2006).

Los MCD son modelos difusos con retroalimentacin para representar causalidad. Combinan herramientas tericas de

los mapas cognitivos, la lgica difusa, las redes neuronales, las redes semnticas, los sistemas expertos y los sistemas

dinmicos no lineales (Leyva et al., 2012).

1 Es un trmino empleado en informtica que engloba diversas tcnicas empleadas para solucionar problemas que manejan informacin incompleta, con incertidumbre e inexacta.



ISSN: 2227-1899 | RNPS: 2301

Pg. 58-74

http://rcci.uci.cu



La utilizacin de los mapas cognitivos difusos permiten establecer modelos muy ajustados al sistema real,

aumentando en poco la complejidad del mapa de acuerdo a las situaciones que se estn modelando, por lo tanto

requiere un poco ms de detalle de la situacin a modelar. Pueden ser utilizados en el moldeamiento de las situaciones

existentes de los riesgos en un proyecto, debido a los diferentes tipos de relaciones causales que estos pueden tener.

Combinan el enfoque tanto cualitativo como cuantitativo para ventaja de los usuarios permitiendo tomar decisiones

bajo incertidumbre. Para utilizar esta tcnica no es necesario tener mucha informacin acumulada relacionada con los

riesgos.

Redes Bayesianas

En el campo de la Inteligencia Artificial (IA) se han desarrollado las redes bayesianas (RB) como herramientas

orientadas al modelado de la causalidad en trminos grficos (cualitativos) y probabilsticas (cuantitativos). Las RB

surgieron como alternativa a los sistemas expertos clsicos basa-dos en reglas para subsanar las insuficiencias de los

primeros ante la toma de decisiones bajo incertidumbre (Lpez, 2010).

La actualizacin de las probabilidades condicionadas se fundamenta en la aplicacin del Teorema de Bayes. Las RB

permiten seleccionar solo las variables que tienen relaciones causales para el clculo de las probabilidades

condicionadas. Una RB muestra la estructura relacin-dependencia entre las diferentes variables del dominio (nodos)

y su distribucin de probabilidad. Estas ofrecen un modelo apropiado para caracterizar la causalidad en trminos de

probabilidades condicionales. En este sentido han sido ampliamente utilizadas (Sedki et al., 2012).

Sin embargo, presentan limitaciones para manejar la existencia de ciclos en las relaciones causales. Otra limitacin

est dada por la dificultad para determinar de manera exacta las probabilidades (Leyva et al., 2012).

Las RB necesitan mucha informacin especfica de los riesgos, sin embargo los riesgos son imprecisos pues pueden o

no ocurrir y la informacin asociada puede ser poca, si bien es cierto que permiten influir en un anlisis cuantitativo y

cualitativo tambin es importante destacar que los resultados probabilsticos pueden no ser tan exactos. Para la

utilizacin de esta tcnica es necesario tener un flujo de informacin acumulada acerca de lo que se desea modelar.

Resultados y discusin

Una vez analizadas las dos tcnicas de modelado causal (MCD y RD) se evidenci que debido a las particularidades

del trabajo con los riesgos de un proyecto es ms factible el uso de los MCD no siendo as con las RB. Pues los

riesgos son imprecisos, debido a su naturaleza, adems generalmente en los proyectos no se posee abundante

informacin de estos, sino una breve descripcin y sus relaciones con otros factores. Tambin un riesgo puede tener



ISSN: 2227-1899 | RNPS: 2301

Pg. 58-74

http://rcci.uci.cu



relaciones con el mismo y ah entrara un ciclo, lo que no permite modelarse utilizando las redes bayesianas. Los

MCD proveen esquemas ms realistas para lograr representar el conocimiento de los expertos.

Caso de estudio de anlisis de riesgos basado en el uso de los modelos causales (Mapas Cognitivos

Difusos)

Para la conformacin del Mapa cognitivo difuso es necesario seguir una serie de pasos:

1. Obtener modelo causal:

1.1 -Se identifican las fuentes de informacin a incluir en el estudio. Se recomienda la participacin de mltiples

expertos que representan distintos puntos de vista del sistema a modelar. En este caso es una base de conocimiento

basadas en los riesgos.

1.2 -Insertar los conceptos o las variables de entrada en este caso, son el conjunto de riesgos de los proyectos

definidos por los expertos y algunos indicadores de tiempo, calidad y costo que sern las variables de salidas. Estos

riesgos seleccionados sern las variables que sern analizadas y a partir de las que confluir todo el flujo de

informacin dentro del MCD.

1.3 -Establecer las relaciones que existen entre las variables de entradas donde cuyas relaciones sern representadas

haciendo uso de las variables lingsticas2.

1.4 Determinar los pesos3 de cada uno de los arcos.

2. Establecer vectores de pesos: Se determinan los vectores de pesos que reflejan el nivel de relacin que determine

el experto. El vector correspondiente a la media aritmtica define la importancia de los nodos. El grado de aceptacin

del riesgo definido y la compensacin son definidos mediante el vector. Se pueden determinar distintos vectores que

representen distintas combinaciones de compensacin y aceptacin del riesgo.

3. Evaluar Resultado: Son ordenados los escenarios4. El ordenamiento ocurre de forma de ascendente, siendo los

escenarios con un menor valor en la distancia los de mayor prioridad.

Es necesario recordar que una vez concluido el mapa se procede a la creacin de la matriz de adyacencia con sus tres

posibles relaciones causales recordando que las relaciones se encuentran en el intervalo [0,1], esta matriz de

adyacencia depende de los valores introducidos en los arcos.

2Las variables lingsticas las cuales permitirn conocer el peso de las de dichas relaciones causales Ping, C. W. (2009). A Methodology for

Constructing Causal Knowledge Model from Fuzzy Cognitive Map to Bayesian Belief Network. Chonnam National University. 3 El peso representa la intensidad de la relacin causal. 4 Los escenarios describen circunstancias que pueden ocurrir en el futuro. Basado en estas perspectivas futuras los decisores pueden explorar

diferentes opciones (Banuls & Salmeron, 2007). La representacin y anlisis de las relaciones causales resulta imprescindible en el anlisis de

escenario (Goodier, Austin, Soetanto, & Dainty, 2010).



ISSN: 2227-1899 | RNPS: 2301

Pg. 58-74

http://rcci.uci.cu



Relaciones causales:

Ri,j > 0 : La relacin existente entre las variables Ri y Rj indica una causalidad positiva. O sea que la relacin es

directamente proporcional, si ocurre un incremento (decremento) Ri lo mismo sucede con Rj

Ri,j < 0 : La relacin existente entre las variables Ri y Rj indica una causalidad negativa. Es decir si ocurre un

incremento (decremento) Ri la variable Rj decremento (incremento).

Ri,j = 0 : indica la no relacin entre las variables Ri y Rj.

Las relaciones entre riesgos, sern las influencias que tienen cada uno sobre otros donde estas relaciones pueden

variar segn la relacin, adems tambin se tendr en cuenta la influencia del riesgo sobre algunos indicadores, o sea

que el mapa abordar las influencias de los riesgos sobre cualquiera de ellas denotndolos con el uso de valores

numricos.

Un MCD posee un proceso iterativo, en el que cada iteracin representa un instante de tiempo, adems se dice que el

MCD est totalmente determinado para ese instante, si se conoce el valor de cada concepto en ese instante. Este

conjunto de valores puede ser visto como un vector de estado, y el conjunto de todos los posibles vectores de estado

es llamado espacio estado del sistema. La ecuacin que permite este proceso iterativo est dada para un determinado

concepto de la siguiente manera:

( + ) = [ ,= ()] (1) (Leyva, y otros, 2012)

Donde: Rm(t + 1) indica el valor del Rm en la iteracin (t + 1), Wi,j indica el valor de la relacin causal que imparte

el concepto Rj sobre Ri y S (y) es la funcin lineal utilizada para normalizar el valor del concepto, esta funcin puede

ser lineal, puede ser una funcin de densidad de probabilidad, o cualquiera que el diseador del MCD prefiera,

siempre y cuando cumpla con su objetivo de normalizacin.

El algoritmo de ejecucin es:

Obtener el estado inicial del mapa R0 = {R1, R2, R3, . . Rn}. Mientras el sistema no converja Obtener los

valores de las relaciones mediante Wi,j =dfi,j(Rt1) donde dfi,j es la funcin de ajuste para la relacin Wi,j. Para

obtener los estados actuales Rjt = (Wi,j Ri

t=1)nt=1 .

Caso de estudio



ISSN: 2227-1899 | RNPS: 2301

Pg. 58-74

http://rcci.uci.cu



Tabla 1. Descripcin de los Nodos.

Nodos Descripcin

N1 Filtraciones por lluvia en el laboratorio

N2 Inundaciones en el laboratorio de produccin del proyecto

N3 Fallo elctrico

N4 Rotura de Computadoras

N5 Receso del trabajo en el Proyecto

N6 Atraso en la entrega de informacin del proyecto

Tabla 2. Descripcin de los Nodos de Decisin.

Nodos de Decisin Descripcin

ND1 Costo

ND2 Tiempo de desarrollo del Proyecto

ND3 Alcance del Proyecto

Se determinaron las siguientes relaciones y pesos de cada arco de acuerdo con los especialistas en el anlisis de

riesgos.

Figura 1. Mapa cognitivo Difuso con las relaciones causales entre nodos.



ISSN: 2227-1899 | RNPS: 2301

Pg. 58-74

http://rcci.uci.cu



Las relaciones causales tienen un valor segn la incidencia de un riesgo sobre otro lo cual permite confeccionar la

matriz de adyacencia correspondiente al MCD. Es necesario aclarar que los nodos de decisin tambin pueden tener

relaciones entre ellos.

Figura 2: Matriz de adyacencia correspondiente al MCD.

Para obtener el riesgo ms prioritario se determinan la centralidad del factor (Ci) a partir de su outdegree (odi) e

indegree (idi), teniendo en cuenta la magnitud de los pesos Cij de la siguiente manera:

= ||= (2) (Elaboracin Propia)

= ||= (3) (Elaboracin Propia)

= + (4) (Elaboracin Propia)

Para la realizacin del anlisis esttico se obtienen el outdegree5 y el indigree6 , adems se calcula la centralidad

siendo esta la suma de los dos anteriores. Los resultados arrojados segn el clculo efectuado, evidencian que el nodo

de mayor centralidad es el Fallo elctrico o sea, es el que ms entradas y salidas posee, seguidamente la Rotura de

una Computadora del Proyecto.

5 Variable de salida 6 Variable de entrada



ISSN: 2227-1899 | RNPS: 2301

Pg. 58-74

http://rcci.uci.cu



Figura 3. Centralidad de los nodos.

Figura 4. Simulacin de los escenarios.

En cuanto al anlisis dinmico este se realiza mediante la simulacin de los distintos escenarios examinando cmo se

comportara cada uno de los nodos con sus probabilidades de ocurrencia. Para su realizacin se obtiene un vector

inicial que representa una situacin o escenario que permite observar la evolucin del sistema. La simulacin del

escenario definido por un vector de entrada C0, esta se realiza segn (1) hasta que se llegue a un factor, y luego se

analizan los valores alcanzados por los distintos nodos.

El vector inicial que representa este escenario es C0= [1, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0, 0,0]. La simulacin se realiza

segn la ecuacin 1, empleando () = (), donde en el vector inicial los nodos de decisin toman valor cero.

Se obtiene como resultado que el nodo ms crtico y al que lo riesgos afectan severamente, es el Tiempo de

desarrollo del Proyecto ya que toma valor 0.985.



ISSN: 2227-1899 | RNPS: 2301

Pg. 58-74

http://rcci.uci.cu



Figura 5. Grfica de simulacin con Tangente Hiperblica.

Conclusiones

En la investigacin se demostr la necesidad de utilizar nuevas tcnicas para el trabajo con los riesgos. Se present la

simulacin y el anlisis de un MCD, proporcionando un rea de trabajo que permite visualizar conceptos y analizar

sus caractersticas principales basados en riesgos. Se emplea un caso de estudio para realizar el anlisis de los riesgos

utilizando un mapa dinmico sobre una base de conocimiento de riesgos en un proyecto informtico de la Universidad

de las Ciencias Informticas, lo que evidencia la obtencin de los riesgos ms crticos mediante el clculo de la

centralidad de los mismos, demostrando segn un proceso iterativo cun importante es un riesgo sobre otro. Este

modelo permite crear un mapa con las relaciones causales entre riesgos para as obtener como resultado el riesgo de

mayor centralidad as como la variable ms afectada dentro del proyecto.



ISSN: 2227-1899 | RNPS: 2301

Pg. 58-74

http://rcci.uci.cu



Referencias ESCALA, E. Examining the Relative Influence of Risk and Control on Intention to Adopt Risky Technologies.

Santiago de Chile: Journal of technology management & innovation, 2010. p. 22-37. Vol. 5. versin On-line

ISSN 0718-2724.

FERNNDEZ, R. Sistemas de gestin de la calidad, ambiente y prevencin de riesgos laborales. Su

integracin. [ed.] Imprenta Granma Espaa. s.l. : Editorial Club Universitario, 2006. p. 130. Depsito legal:

A-296-2006. ISBN-13:978-84-8454-504-0.

GARCA, E. Propuesta de modelo para la Gestin de Riesgos en los proyectos de produccin de software.

Ciudad Habana: s.n., 2009. ISSN 5698-5236-85.

LEYVA, M. Y., et al. Tcnicas para la representacin del conocimiento causal: un. Cuidad Habana : Revistas

Cubana de Informacin de Ciencias de la Salud, 2012. Vol. Vol 24, No 1 (2013). Disponible en:

[http://acimed.sld.cu/index.php/acimed/article/view/382/283. versin electrnica ISSN:2307-2113].

LEYVA, M. Y. et al. Mapas cognitivos difusos para la seleccin de proyectos de tecnologas de la

Informacin. Mxico: Divisin de Investigacin de la facultad de contadura y Administracin de la UNAM,

05 2012. Disponible en:

[http://www.contaduriayadministracionunam.com.mx/userFiles/app/pp_21052012.pdf].

LITTEN, D, PERNIMOVA and W. Project Risk and Risk Managemen. [Online] 2009 [Consultado el 19 de

abril de 2012]. Disponible en: [http://www.pmhut.com/project-risk-and-risk-management].

LPEZ, J. and GARCA GARCA, J. Modelado Causal Predictivo Basado en Redes. Disponible en:

[http://www.ceautomatica.es]. [Online] 2010 [Consultado el: 24 de abril de 2013]. Disponible en:

[http://www.ceautomatica.es/old/actividades/jornadas/XXVIII/documentos/1381-Model_causal_pred2.pd].

KOSKO, P. A. Sheraton Vancuver Wall Centre Hotel, BC, Canada: s.n., 2006. International Joint

Conferenceon Neural Networks.

PREZ, O. Los Riesgos en la Gestin de Proeyctos. Habana: Semana Tecnolgica Fordes, 2011. Disponible

en: [http://semanatecnologica.fordes.co.cu/index.php/st/xi/paper/viewFile/13/41].

PIEDRA, M. C. GALLARDO and CORDONES, P. O. J. Anlisis de riesgos informticos y elaboracin de

un Plan de contingencia. Quito: Quito/EPN, 2011. Disponible en:

[http://bibdigital.epn.edu.ec/bitstream/15000/3790/1/CD-3510.pdf]. A parece en las colecciones Tesis

Sistemas Informticos y de Computacin (ISIS).



ISSN: 2227-1899 | RNPS: 2301

Pg. 58-74

http://rcci.uci.cu



Project Management Institute. Gua de los Fundamentos para la Direccin de Proyectos, 4ta Edicin.

Pelsylvania, USA : PMI Publications, 2010. ISBN: 978-1-933890-72-2.

Project Management Institute, Inc. Project Management Institute, Gua de los Fundamentos para la

Direccin de Proyectos. Newtown Square, Pennsylvania 19073-3299 USA.: s.n., 2008. p. 54. Vol. 4. ISBN:

978-1-933890-72-2.

SEDKI, K. and BONNEAU de BEAUFORT, L. Cognitive Maps and Bayesian Networks for. Francia: 24th

International Conference on Tools with Artificial Intelligence, noviembre 26, 2012. 1. Disponible en:

[http://hal-agrocampus-ouest.archives-ouvertes.fr/docs/00/75/71/89/PDF/SedkiBonneauSoumICTAI12.pdf.

DOI : 10.1109/ICTAI.2012.175 hal 00757189].

SEPULVEDA, A. M. Metodologas de la Gestin de Riesgos. [Online] 2010 [Consultado el: 19 de abril de

2012]. Disponible en: [http//auditoriaunal20101.wikispaces.com/.../METODOS+DE+GESTION+.. Cd.

906547].

VALLADARES, A. S. Proceso de Gestin de riesgos para proyectos de desarrollo de software de Softel.

Ciudad Habana: Informtica Habana, 2011. Disponible en:

[www.informaticahabana.cu/taxonomy/term/2/program?page=27].

ZULUETA, Y. and HERNNDEZ, E. La gestin de riesgos en la produccin de software y la formacin de

profesionales de la informtica:experiencias en la universidad cubana. Madrid Espaa: Sistema de

Informacin Cientfica, octubre 2009. Vol. 10, 3. Disponible en:

[http://redalyc.uaemex.mx/src/inicio/ArtPdfRed.jsp?iCve=92217181003. 1885-4486].

Copyright of Revista Cubana de Ciencias Informticas is the property of Universidad de lasCiencias Informaticas (UCI) and its content may not be copied or emailed to multiple sites orposted to a listserv without the copyright holder's express written permission. However, usersmay print, download, or email articles for individual use.

gestión riesgo

Documents